在计算机和摄像设备环境中，由摄像头识别目标物体，能够识别具有一定特征的运动物体，通过物体的移动特征来控制鼠标，从而进行简单的电脑操作。

传统的工业机器视觉采用本地数据存储和处理， 通过本地总线连接，每台设备搭载一台性能强 大的电脑进行数据的存储和处理 ➢ 现在的机器视觉系统通过有线（光纤/铜缆） 或无线（WiFi/4G/5G）连接至PC端，PC端无 需放置在本地。由于图像的数量与精度快速攀升，对网络传输的低 延迟需求愈发强烈，5G技术是解决网络问题的关 键节点。未来5G网络传输与云计算将成为处理工 业机器视觉数据的最佳方案： 1. 数据存储云化 机器视觉一直是围绕大数据的业务，图像获 取与决策都会产生极大的数据量，5G 可以 保证大数据实时传输的需求。 2. 数据计算云化 从触发图像采集到最后的控制系统向执行器 发送动作指令，

基于STM32的简易运动控制器/脉冲发生器，带梯形加减速。原创

基于机器视觉的智能交通信号灯控制，很好的文献资料，需要用cnki的软件打开

完整代码，可直接运行

本手册是为第一次使用PMAC 运动控制器的客户准备的，PMAC卡具有易学易用、编 程简单、程序集成化程度高等特点，是许多开发人员的首选开发工具。 在整个PMAC的系列产品中包括：PMAC(1)系列、PMAC2系列、Turbo PMAC(1)系列、 Turbo PMAC2系列、MACRO系列和UMAC系列等。 为了方便开发人员的编程工作，PMAC卡提供了手动、编程、插补等大量，极大地提 高了工程人员的开发效率。然而，在使用PMAC的过程中，我们发现，如果能对PMAC所 提供的体系有一个全面的了解，将会大大缩短开发过程。

数字图像处理与机器视觉：Matlab与Visual C++实现 包含书中部分代码，以及书中用到的图片

版本信息： Qt：5.12.9 MingW：7.3 64位 OpenCV：4.5.4 安装教程请自己百度

强大运动控制器PMAC适用于中高端设备使用，特殊功能控制与运算，不仅可以在CNC和激光行业 还可以在自动化设备上使用

关于行为检测的算法有很多,但针对教室场景下的学生行为检测算法却略显缺乏。为了使学生行为检测算法具有较好的准确率和实时性,在MTCNN的基础上改进了网络结构,并提出了一种新的激活函数和损失函数以检测学生图像和关键点。同时,提出了通过图像分类网络和关键点分类网络对学生行为进行联合分类的策略。实验结果表明,所提出的改进措施均有效提升了学生行为检测的准确率,最终模型的检测准确率为78.6%。在嵌入式开发板Jetson TX2上,所提算法的实时检测准确率和速度优于YOLOv3和SSD等算法。